| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容与主要工作 | 第15-18页 |
| 第二章 安全生产事故数据预处理 | 第18-26页 |
| 2.1 数据来源 | 第18-20页 |
| 2.2 中文分词 | 第20-21页 |
| 2.2.1 ICTCLAS中文分词系统 | 第20-21页 |
| 2.2.2 R语言Rwordseg中文分词包 | 第21页 |
| 2.3 特征提取 | 第21-24页 |
| 2.3.1 文档频次方法(Document Frequency) | 第22页 |
| 2.3.2 TF-IDF | 第22-23页 |
| 2.3.3 DocumentTermMatrix与TermDocumentMatrix | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 安全生产数据统计分析 | 第26-46页 |
| 3.1 地图统计 | 第26-27页 |
| 3.2 死亡人数统计分析 | 第27-29页 |
| 3.3 文本聚类 | 第29-34页 |
| 3.3.1 层次聚类 | 第29-33页 |
| 3.3.2 词云聚类 | 第33-34页 |
| 3.4 事件类型与地区关联分析 | 第34-41页 |
| 3.4.1 关联规则 | 第34-36页 |
| 3.4.2 Apriori算法 | 第36-37页 |
| 3.4.3 安全生产数据Apriori关联规则分析 | 第37-41页 |
| 3.5 基于RHadoop云平台的安全生产数据处理 | 第41-44页 |
| 3.5.1 RHadoop云平台的环境搭建 | 第41-43页 |
| 3.5.2 RHadoop云平台与单机对比实验 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第四章 安全生产事故时序预测 | 第46-58页 |
| 4.1 ARIMA模型 | 第46-52页 |
| 4.1.1 ARIMA模型算法 | 第46-49页 |
| 4.1.2 安全生产事故次数ARIMA时序预测 | 第49-52页 |
| 4.2 LOESS模型 | 第52-53页 |
| 4.2.1 LOESS模型算法 | 第52-53页 |
| 4.2.2 安全生产事故次数LOESS时序预测 | 第53页 |
| 4.3 组合模型预测 | 第53-55页 |
| 4.4 ARIMA-LOESS组合模型 | 第55-56页 |
| 4.4.1 安全生产事故次数ARIMA-LOESS预测 | 第55页 |
| 4.4.2 几种时序预测方法对比 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 作者和导师简介 | 第68-70页 |
| 附件 | 第70-71页 |
